Quali sono le diverse famiglie di machine learning? Qui ho elencato le famiglie di apprendimento automatico dai 2 documenti di ricerca più importanti sull'apprendimento automatico. Classifica le tecniche di classificazione e regressione in diverse famiglie e può essere utile per i fan dell'apprendimento automatico. Il primo articolo riguarda il confronto degli approcci di classificazione e il secondo riguarda un'ampia raccolta di tecniche di regressione popolari. Ho anche fornito i link cartacei per scaricarli. Inoltre è possibile accedere facilmente a 77 modelli di regressione, il link è riportato di seguito. Fascicolo 1: Abbiamo bisogno di centinaia di classificatori per risolvere problemi di classificazione nel mondo reale? Questo documento di ricerca si concentra su 179 classificatori su 121 set di dati di 17 famiglie di machine learning.
Le famiglie di machine learning possono essere suddivise in diverse categorie in base alle tecniche utilizzate per la classificazione e la regressione. Secondo la ricerca presente su Quora, il primo documento analizza 179 classificatori su 121 set di dati, suddividendoli in 17 famiglie di machine learning. Il secondo documento esplora 77 modelli di regressione appartenenti a 19 famiglie di apprendimento automatico, valutati su 83 set di dati UCI.
Ecco alcune delle principali famiglie di machine learning:
Classificazione: include tecniche come alberi decisionali, reti neurali, metodi bayesiani, ensemble learning e support vector machines (SVM).
Regressione: comprende modelli come regressione lineare, regressione polinomiale, modelli a kernel, reti neurali profonde e modelli bayesiani.
Apprendimento supervisionato: basato su dati etichettati per addestrare il modello.
Apprendimento non supervisionato: utilizza dati non etichettati per identificare pattern e strutture.
Apprendimento per rinforzo: modelli che apprendono attraverso interazioni con l'ambiente e ricompense.
Nessun commento:
Posta un commento